tf.keras.applications.resnet_rs.ResNetRS152

Инициализирует архитектуру ResNetRS152.

Просмотр псевдонимов

Основные псевдонимы

tf.keras.applications.ResNetRS152

Псевдонимы совместимости для миграции

См. Руководство по миграции для получения дополнительных сведений.

tf.compat.v1.keras.applications.ResNetRS152, tf.compat.v1.keras.applications.resnet_rs.ResNetRS152

tf.keras.applications.resnet_rs.ResNetRS152(
    include_top=True,
    weights='imagenet',
    classes=1000,
    input_shape=None,
    input_tensor=None,
    pooling=None,
    classifier_activation='softmax',
    include_preprocessing=True
)

Ссылка:

Пересмотр ResNet: Улучшенные стратегии обучения и масштабирования

Для задач классификации изображений см. эту страницу для подробных примеров.

Для задач обучения с переносом обязательно ознакомьтесь с руководством по обучению с переносом и дообучению.

Примечание: каждый Keras Application ожидает определенного вида предобработки входных данных. Для ResNetRs по умолчанию предобработка входных данных включена в модель (как Rescaling слой), и поэтому tf.keras.applications.resnet_rs.preprocess_input фактически является функцией пропуска. В этом случае модели ResNetRS ожидают, что их входными данными будут float тензоры пикселей со значениями в диапазоне [0-255]. В то же время, предобработка, как часть модели (т. е. Rescaling слой), может быть отключена путем установки include_preprocessing аргумента в False. При отключенной предобработке модели ResNetRS ожидают входных данных в виде float тензоров пикселей со значениями в диапазоне [-1, 1].

Аргументы
`depth`	Глубина сети ResNet.
`input_shape`	необязательная кортеж формы. Он должен иметь ровно 3 канала ввода, а ширина и высота должны быть не меньше 32. Например, (200, 200, 3) будет допустимым значением.
`bn_momentum`	Параметр импульса для слоев Batch Normalization.
`bn_epsilon`	Параметр ε для слоев Batch Normalization.
`activation`	функция активации.
`se_ratio`	Коэффициент слоя Squeeze and Excitation.
`dropout_rate`	Скорость дропаута перед слоем конечного классификатора.
`drop_connect_rate`	Скорость дропаута в соединениях перехода.
`include_top`	Включать ли полностью соединенный слой вверху сети.
`block_args`	список словарей, параметры для построения модулей блоков.
`model_name`	имя модели.
`pooling`	необязательный режим пулинга для извлечения признаков, когда `include_top` является `False`. `None` означает, что выход модели будет 4D тензором выходом последнего сверточного слоя. `avg` означает, что к выходу последнего сверточного слоя будет применено глобальное среднее пулинг, и, следовательно, выход модели будет 2D тензором. `max` означает, что будет применено глобальное максимальное пулинг.
`weights`	один из `None` (случайная инициализация), `'imagenet'` (предобучение на ImageNet), или путь к файлу весов для загрузки. Примечание: одна модель может иметь несколько вариантов ImageNet, в зависимости от формы ввода, с которой она была обучена. Для входной формы 224x224 передайте `imagenet-i224` в качестве аргумента. По умолчанию загружаются веса с наибольшей формой ввода.
`input_tensor`	необязательный Keras тензор (т.е. вывод `layers.Input()`) для использования в качестве входных изображений для модели.
`classes`	необязательное количество классов для классификации изображений, необходимо указать только если `include_top` имеет значение True, и если не указан аргумент `weights` .
`classifier_activation`	Функция активации `str` или вызываемый объект. Функция активации для использования на верхнем слое. Игнорируется, если `include_top=True`. Установите `classifier_activation=None` для возврата логарифмов верхнего слоя.
`include_preprocessing`	Булево значение, включает ли слой предобработки (`Rescaling`) внизу сети. По умолчанию `True`. Примечание: изображение на входе нормализуется по среднему и стандартному отклонению ImageNet.

Возвращаемое значение
Экземпляр `keras.Model`.

© 2022 The TensorFlow Authors. All rights reserved.
Licensed under the Creative Commons Attribution License 4.0.
Code samples licensed under the Apache 2.0 License.
https://www.tensorflow.org/versions/r2.9/api_docs/python/tf/keras/applications/resnet_rs/ResNetRS152